Zusammenfassung
Bisher wurden Planungsverfahren aus der Künstlichen Intelligenz vorgestellt, die für die Verwendung in Assistenzsystemen geeignet erscheinen, weil sie sehr viele Anforderungen zur algorithmischen Umsetzung von Assistenz erfüllen. Nach dieser vergleichenden Diskussion ihrer Vor- und Nachteile insbesondere für die Realisierung von interaktiven Assistenzsystemen, ist es nun Ziel des aktuellen Kapitels, zu erörtern, wie Planungsalgorithmen in Assistenzsysteme integriert werden können.
Insbesondere wird es Thema dieses Kapitels sein, wie ein für die Erfordernisse interaktiver Szenarien relaxiertes Planungsverfahren mit der Ausführung von Plänen verzahnt werden kann, so dass das Assistenzsystem zielgerichtete Unterstützung über mehrere Schritte leisten kann.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Der Planer ist in [2] beschrieben.
- 2.
Dabei bleiben Tasks unverändert, die nebenläufig zum aktuellen Task sind, um Interferenzen zwischen parallelen Prozessen zu vermeiden.
- 3.
Selbstverständlich soll hier nicht darüber hinweggesehen werden, dass technische Neuerungen oft neue Bedienmöglichkeiten und bisher nicht durchführbare Aufgaben ermöglichen. In solchen Fällen ist natürlich auch die Assistenzdomäne zu modifizieren.
- 4.
Wie später herausstellen wird, erlaubt diese Organisation des Suchraum die Implementierung einer Systemarchitektur nach dem in [5] beschriebenen deliberative/reactive paradigm.
- 5.
Diese Aussage trifft natürlich nur dann zu, wenn globale Effekte wie etwa Ressourcenverbrauch oder Fahrtdauer ignoriert werden.
- 6.
Ähnliche Abhängigkeiten ergaben sich beim Modell Modus.
- 7.
Im Beispiel mit dem TV-Gerät Modus ist es nicht möglich, das zuvor ausgewählte Fußballspiel gleichzeitig zum Überspielen von der Kamera auf einen externen, über Digital-Link angeschlossenen Recorder anzusehen, wenn das Spiel auf einem Digitalsender ausgestrahlt wird.
- 8.
Das sind natürlich die geschätzten Restkosten aus Abschn. 6.6.7.
- 9.
Zumindest dann nicht, wenn sich der Nutzer der Erwartung entsprechend verhält. Bei der Durchführung des Plans kann das Assistenzsystem für geeignete Aktionen – z. B. Informationen über die erwartete Reaktion des Nutzers – versuchen, den Nutzer so zu instruieren, dass der gewünschte Effekt eintritt. Will er sich wirklich kooperativ verhalten, wird der Nutzer kaum entgegen der gegebenen Information handeln.
- 10.
Siehe dazu Abschn. 6.5.4.
- 11.
Voraussetzung dafür war, Nebenläufigkeit durch interleaving primitiver Aktionen aus konkurrenten Prozessen zu modellieren.
- 12.
In allen Szenarien und Beispielen, die in dieser Arbeit beschrieben werden, sind mobile Geräte oder eingebettete Systeme (z. B. TV-Geräte) die Umgebungen, auf denen ein Assistenzsystem realisiert werden muss.
- 13.
„Verwaltungsoperationen“ wurden in Abschn. 6.6.11 eingeführt, um eine prozedurale Interpretation der Knotentypen von Concurrent Task Trees zu gewinnen.
- 14.
Siehe dazu später in Kap. 8.
- 15.
Sie wurden in Abschn. 6.3 angegeben.
- 16.
Details zur Dateninterpretation bei ROSE sind in Abschn. 2.3.1 beschrieben worden.
- 17.
Wie oben beschrieben, fordert das API zwischen Applikations- und Ausführungsebene, dass der Problemlöser die Nachbedingungen von observeFollow seinem Berechnungsergebnis entsprechend setzt. Im Allgemeinen modifiziert er die aktuelle Situation noch weiter, um das Ergebnis selbst an das Assistenzsystem zu kommunizieren – in unserem Beispiel etwa die ermittelte a posteriori-Wahrscheinlichkeit und Konfidenz.
- 18.
Noch unübersichtlicher wird die Literatur, wenn auch die neueren Forschungsrichtungen Affective Computing (siehe [16]) und Pervasive Computing (siehe [17]) berücksichtigt, deren thematische Nähe zu Assistenzsystemen ja nicht von der Hand zu weisen ist: diskutieren wir hier doch immer wieder das Beispiel des Navigationssystems ROSE.
- 19.
Dieser Vorgang erinnert an die Vorgehensweise, wie ein entscheidungstheoretischer Planer die nächste Aktion zur Planausführungszeit die nächste Aktion auswählt.
- 20.
Diese Information ist für ein Assistenzsystem unter anderem deshalb wichtig, weil es dem Nutzer sehr konkrete Hinweise zum nächsten Schritt für die Lösung der aktuellen Aufgabe geben kann. Siehe dazu den Concurrent Task Tree in Abb. Abb. 6.6.
- 21.
In Abb. Abb. 2.4 ist ein Bayes-Netz dargestellt, mit dem aus Beobachtungen der Interessenstatus des Nutzers erschlossen werden soll.
- 22.
Das Beispiel nimmt eine sehr pragmatische Haltung zum unter dem Namen symbol grounding bekannten Problem der Zuordnung von Wahrnehmungen zu in Algorithmen benutzten Symbolen ein, da bei ROSE Sensordaten eindeutig zuzuordnen sind. Im Allgemeinen ist diese Aufgabe viel komplizierter (siehe dazu etwa [20] oder [21]).
- 23.
Eine umfassende Darstellung der Entscheidungstheorie, die auch für Assistenzsysteme eine wesentliche Rolle spielt, zu der aber in dieser Arbeit keine neuen Beiträge geleistet werden, findet sich etwa in [22, 23, 24, 25, 26]. Ihre Rolle für die psychologische Analyse menschlicher Entscheidungen dokumentiert [27].
- 24.
Siehe dazu beispielsweise den berühmten Aufsatz [29].
- 25.
Siehe [30].
- 26.
- 27.
Die Spalte gesamt enthält den jeweiligen Wert für \(\text{val}(\{a_{1},\ldots,a_{m}\})\).
- 28.
Wie das Assistenzsystem in solchen Fällen reagiert, wird unten beschrieben.
- 29.
Ein Überblick über diese Forschungsrichtung ist in [33] gegeben.
- 30.
Da MADL auch Wahrscheinlichkeitsverteilungen verarbeiten kann, sind stochastische Kriterien, die etwa durch statistische Auswertungen von Corpora gewonnen wurden, in den zulässigen Kriterien eingeschlossen.
- 31.
Im Beispiel oben sind sie – als in Experimenten herausgefundene Entscheidungskriterien – fest vorgegeben; in vielen Fällen – etwa bei der Suche nach interessanten Besichtigungszielen – sind die Alternativen sowohl in Zahl als auch in Inhalt variabel und müssen von ins Assistenzsystem integrierten Problemlösern ermittelt werden.
- 32.
Siehe dazu die Diskussion der Abb. 7.9 im letzten Abschnitt.
- 33.
Deren Länge nicht einmal vorhersehbar ist.
- 34.
D. h. das Ziel möglichst schnell zu erreichen.
- 35.
Siehe dazu beispielsweise Abschn. 2.8 in [35].
- 36.
Der Planer ist ein Pruningverfahren für die T Schritte in die Zukunft durchzuführende Ermittlung der Konsequenzen einer Entscheidung.
- 37.
- 38.
- 39.
instruct wäre durchführbar, wenn observeFollow ausgeführt werden konnte, aber die Richtung des Nutzers nicht präzise genug auf das Ziel ausgerichtet ist – ein Fehler, der von correct interaktiv behoben werden soll.
- 40.
In der Alternative replan wird dabei ausgenutzt, dass MADL in einer hypothetischen aktuellen Situation ALGO-Prozeduren ausführen kann, um die Effekte von Aktionen in die Bewertung einer Alternativen eingehen zu lassen (siehe [18]). In diesem Fall wird ein neuer Fußweg zur Haltestelle ermittelt. Falls er eine bessere Bewertung in der Zielfunktion GOAL SAT!(-user.estimArrival,2-bus.departure) bekommt als der aktuelle Fußweg, ist dieser Umstand ein „Pluspunkt“ für die Alternative replan.
- 41.
- 42.
Zu ihrem Einsatz in der Robotik siehe etwa [48].
- 43.
Vergleiche dazu das Beispiel in Abschn. 2.3.2, indem für die Beispieldomäne der Aufzugsteuerung derartige Diagnoseregeln implementiert sind.
- 44.
Die Thematik ergibt sich ja aus der Einführung von „Zwischenzielen“ zur Behebung von Störungen.
- 45.
Diese Vorstellung erklärt die Bezeichnung Relaxation: das ursprüngliche Ziel soll möglichst gut approximiert werden.
Literatur
T. Bauereiß, Automatische Übersetzung von ctt in pddl. Master’s thesis, Lehrstuhl für Künstliche Intelligenz, Universität Erlangen-Nürnberg (2009)
J. Hoffmann, B. Nebel, J. Artif. Intell. Res. (JAIR) 14, 253 (2001)
R. Alford, U. Kuter, D.S. Nau, in C. Boutilier (ed.). IJCAI 2009, Proceedings of the 21st International Joint Conference on Artificial Intelligence, Pasadena, July 11–17, 2009 (2009), S. 1629–1634
I. Millington, Artificial Intelligence for Games (Morgan Kaufman, 2006)
R.R. Murphy, Introduction to AI Robotics (MIT Press, 2000)
M. Daily, J. Harris, D. Keirsey, D. Olin, D. Payton, K. Reiser, J. Rosenblatt, D. Tseng, V. Wong, in Proc. IEEE Intl. Conf. Robotics and Automation (Philadelphia, PA, 1988)
A. Kelly, O. Amidi, H. Herman, T. Pilarski, A. Stentz, N. Vallidis, Y. Warner, Int. J. Robotics Res. 25(5–6), 449 (2006)
Y.T. Kim, S. Candido, S. Hutchinson, in Proceedings of the IEEE International Conference on Advanced Robotics (Jeju island, South Korea, 2007)
S. Candido, Y.T. Kim, S. Hutchinson, in Proceedings of the IEEE-RAS Internation Conference on Humanoid Robots (Daejeon, Korea, 2008)
N. Wirth (ed.), Compilerbau (B.G. Teubner, Stuttgart, 1986)
M. Rauterberg, in HCI (1), ed. by M.J. Smith, G. Salvendy (Elsevier, 1993), S. 612–617
M. Rauterberg, in Advances in Occupational Ergonomics and Safety I, ed. by A. Mital, H. Krueger, S. Kumar, M. Menozzi, J. Fernandez (International Society for Occupational Ergonomics and Safety, Cincinnati, 1996), S. 154–157
M. Rauterberg, in ECBS (IEEE Computer Society, 1996), S. 435–441
M. Fjeld, S. Schluep, M. Rauterberg, in Proceedings of 7th IFAC/IFIP/IFORS/IEA Symposium on Analysis, Design and Evaluation on Man-Machine Systems (1998), S. 591–596
M. Fjeld, S. Schluep, M. Rauterberg. Automatic, action driven classification of user problem solving strategies by statistical and analytical methods: A comparative study (1998)
R. Piccard, Affective Computing (MIT Press, 2000)
U. Hansmann, L. Merk, M.S. Nicklous, T. Stober, Pervasive Computing. The Mobile World, 2nd edn. (Springer, 2003)
B. Zenker, Strategische Entscheidungen bei der Mensch-Maschine-Interaktion. Master’s thesis, Lehrstuhl für Künstliche Intelligenz, Friedrich-Alexander-Universität Erlangen-Nürnberg (2008)
B. Zenker, in Proceedings of 6th IFIP Conference on Artificial Intelligence Applications and Innovations (AIAI 2010) (Larnaca, Cyprus, 2010)
S. Coradeschi, A. Saffiotti, in Proc. of the 17th IJCAI Conf. (Seattle, WA, 2001), S. 407–412. Online at http://www.aass.oru.se/~asaffio/
M. Fichtner, Anchoring symbols to percepts in the fluent calculus. Ph.D. thesis, Fakultät Informatik, Technische Universität Dresden (2009)
M. Peterson, An Introduction to Decision Theory (Cambridge University Press, 2009)
F. Burstein, C.W. Holsapple (eds.), Handbook on Decision Support Systems 1. International Handbooks on Information Systems (Springer, 2008)
F. Burstein, C.W. Holsapple (eds.), Handbook on Decision Support Systems 2. International Handbooks on Information Systems (Springer, 2008)
R.T. Clemen, Making Hard Decisions, 2nd edn. (Duxbery Press, 1995)
A. Rapoport, Decision Theory and Decision Behaviour (Kluwer, 1989)
H. Jungermann, H.R. Pfister, K. Fischer, Die Psychologie der Entscheidung – Eine Einführung, 2nd edn. (Elsevier Spektrum Akademischer Verlag, 2009)
G. Gigerenzer, D.G. Goldstein, Psychol. Rev. 103, 650 (1996)
C.E. Shannon, Bell Syst. Tech. J. 30, 50 (1951)
J.R. Quinlan, C4.5: Programs for Machine Learning (Morgan Kaufmann, 1993)
Y. Shoham, K. Leyton-Brown, Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations (Cambridge University Press, Cambridge, UK, 2009)
A.M. Feldman, Welfare Economics and Social Choice Theory (Kluwer, Boston, 1980)
L. Chen, P. Pu, Survey of preference elicitation methods. Tech. rep., Swiss Federal Institute Of Technology In Lausanne (EPFL) (2004). My note
S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach (Prentice Hall, 2009)
M. Negnevitsky, Artificial Intelligence: A Guide to Intelligent Systems, 2nd edn. (Addison Wesley, 2004)
J.A. Baier, F. Bacchus, S.A. McIlraith, Artif. Intell. 173(5-6), 593 (2009)
S. Sohrabi, J.A. Baier, S.A. McIlraith, in C. Boutilier (ed.). IJCAI 2009, Proceedings of the 21st International Joint Conference on Artificial Intelligence, Pasadena, July 11–17, 2009 (2009), S. 1790–1797
C.W. Hsu, B.W. Wah, R. Huang, Y.X. Chen, in Proc. ICAPS Workshop on Preferences and Soft Constraints in Planning (2006), S. 54–58
C.W. Hsu, B.W. Wah, R. Huang, Y.X. Chen, in Proc. Fifth International Planning Competition, International Conf. on Automated Planning and Scheduling (2006), S. 39–42
A. Gerevini, D. Long, Plan constraints and preferences in pddl3 - the language of the fifth international planning competition. Tech. rep., Department of Electronics for Automation, University of Brescia, Italy (2005)
H. Wandke, Theor. Issues Ergonomics Sci. 6(2), 129 (2005)
C.D. Wickens, J. Lee, Y.D. Liu, S. Gordon-Becker, Introduction to Human Factors Engineering, 2nd edn. (Prentice-Hall, Upper Saddle River, 2003)
R. Reiter, Artif. Intell. 32(1), 57 (1987)
G. Steinbauer, F. Wotawa, in Proceedings of the 19th International Joint Conference on Artificial Intelligence (IJCAI-05) (2005)
J. Weber, F. Wotawa, in Proceedings of the 5th Mexican International Conference on Artcial Intelligence (MICAI 2006) (Apizaco, Mexico, 2006)
M. Hofbaur, J. Köb, G. Steinbauer, F. Wotawa, J. Intell. Robotic Syst. 48(1), 37 (2007)
J. Weber, F. Wotawa, in Proc. of the 20th International Conference on Industrial, Engineering and Other Applications of Applied Intelligent Systems (IEA/AIE 2007) (2007)
S. Thrun, W. Burgard, D. Fox, Probabilistic Robotics (MIT Press, 2005)
B.J. Grosz, C.L. Sidner, Comput. Linguist. 12(3), 175 (1986)
C. Gardent, K. Konrad, in Proceedings of LACL (Logical Aspects of Computational Semantics)) ’98 (Grenoble, France, 1998)
L. Danlos, in In Proceedings of SIGDIAL’04 (2004), S. 127–135
N. Asher, A. Lascarides, Logics of Conversation (Cambridge University Press, 2005)
J. Kowtko, S. Isard, G. Doherty, Conversational games within dialogue. Tech. rep., Human Communication Research Centre, University of Edinburgh (1993)
I. Lewin, M. Lane, in In Proc. Gotalog-00, 4 th Workshop on the Semantics and Pragmatics of Dialogue, Gothenburg (2000)
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Ludwig, B. (2015). Planbasierter Dialog. In: Planbasierte Mensch-Maschine-Interaktion in multimodalen Assistenzsystemen. Xpert.press. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-44819-9_7
Download citation
DOI: https://doi.org/10.1007/978-3-662-44819-9_7
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-44818-2
Online ISBN: 978-3-662-44819-9
eBook Packages: Computer Science and Engineering (German Language)